Roamies - 常驻桌面的 AI 小伙伴，用语音和指针帮你把事做完

Roamies 是一个常驻桌面的 AI 小伙伴。按项目自述，它待在光标旁边，用语音和你对话，记住你说过要做的事，并在到期时提醒你；它还能在屏幕上圈出该点的按钮、在你正在看的内容旁边画出图解，并在 macOS 与 Windows 上代替你点击和输入。它面向的是希望把「问 AI」和「在电脑上做事」合并成一步的桌面用户：不想在浏览器标签和聊天窗口之间来回切换，而是希望助手就在光标边上，能看见屏幕、能开口、能动手。项目由 KenKaiii 维护，以 AGPL-3.0 许可开源。

维护者与状态

仓库位于 GitHub，维护者为 KenKaiii。仓库创建于 2026-10-28，最后一次提交在 2026-11-14，最新 release 为 v0.1.37，发布于 2026-11-13。截至 2026-11-14，仓库星标数为 200。从版本号看，项目仍处在 0.1.x 的早期阶段，项目自述中也将 Linux 版本明确标注为 beta。

项目另有一个社区站点，维护者在 README 中把它作为「用 AI 构建自己的应用」的免费社区入口来介绍，其中包含为期 7 天的构建挑战和 20 多个分步项目。

主要能力

以下能力均据项目自述整理，未做独立验证。

• 语音优先的交互。按住 ⌃⌥（Windows 与 Linux 上为 Ctrl+Alt）说话，松开即发送；在 macOS 与 Windows 上，说话时用光标圈出某块区域，它就能看到你指的内容。也可以改为打字：轻按 ⌥⌘（Windows 与 Linux 上为 Ctrl+Shift），光标旁会弹出一个小输入框。
• 语音回应。据项目说明，它用自己的声音带感情地回话，语音通过 Fish Audio 提供，或使用用户自选的 Gemini 声音，需要用户自己的 Google AI Studio 密钥。
• 记忆与提醒。它会记住你说过要做的事、精确到秒的提醒（也支持重复规则，例如「每个工作日 9 点」「每 2 小时」），以及你在意的事情。
• 在屏幕上作画。它会在需要点击的按钮上画圈，逐步引导操作，并在你正在阅读的内容旁边画出答案。
• 代你操作。据项目自述，它可以打开应用、网站和文件，并在 macOS 与 Windows 上在其他应用里点击或输入。
• 多种形象。提供 JARVIS、Roamie、Anime Girl、Sarah、Adrian、Rita X 等角色，每个角色有自己的名字、声音和动画，并有 Default、Small、Cursor 三种尺寸，其中 Cursor 是跟随鼠标的像素指针。
• JARVIS 演示模式。据 README 描述，向它询问某个应用里怎么操作时，JARVIS 会变成光标形态，在真实屏幕上圈出对应按钮，念出这一步，并等你点击后再展示下一步；询问正在看的内容时，它会在旁边用「发光的墨水」画出卡片、图表、时间线、照片、分子和可转动的 3D 模型，并能按问题自动选择合适的图示类型。
• 面板与安全默认值。点击菜单栏或托盘图标（Linux 上为菜单中的 Open Panel）可打开面板，查看它在做什么、记住了什么以及全部设置。文件修改、命令执行和应用控制默认关闭，需要用户开启，风险步骤总会询问。
• 密钥存放与更新。据项目说明，Fish Audio 或 Gemini 的语音密钥保存在 macOS 钥匙串中（Windows 上以 DPAPI 加密，Linux 上存入桌面钥匙环），AI 登录信息存放在 ~/.gg/auth.json，与 GG Coder 共用。更新在安装前会校验签名，随后自动重启。

使用入口

项目仓库地址：KenKaiii/Roamies。维护者介绍的社区站点：skool.com/raid。

据项目说明，安装方式是从 release 页面的 Assets 列表下载安装包（Source code 下载项是源码，不能直接运行）：

• macOS：下载对应架构的 .dmg（Apple 芯片用 aarch64，Intel 用 x64），要求 macOS 13.5 或更高版本。
• Windows：运行 Roamies_*_x64-setup.exe，要求 Windows 10 或更高版本；由于尚未代码签名，首次运行会出现 SmartScreen 警告，需点击「更多信息」再「仍要运行」。
• Linux（beta，x86_64）：可选 .deb（Ubuntu、Debian、Mint、Pop!_OS）、.rpm（Fedora、openSUSE）或 .AppImage（任意发行版），需要 glibc 2.38 或更高版本，即 Ubuntu 24.04、Fedora 39、Debian 13 及更新版本；只有 AppImage 支持应用内自动更新。

从源码构建需要 Rust、Node.js 22+、Tauri 的前置依赖，macOS 上还需要 Xcode Command Line Tools：

git clone https://github.com/KenKaiii/Roamies.git
cd Roamies/showcase/tauri
(cd sidecar &&& npm ci && npm test)
./build.sh dev   # 调试构建
./build.sh       # 为当前系统打发布包

首次使用需跟随设置向导完成权限授予、登录和一段简短对话。据项目说明，首次用 Claude 登录时会下载 Claude Code（约 140 MB）；Windows 与 Linux 上语音模型（约 670 MB）会在设置时下载一次，不随安装包分发。

许可与限制

许可证为 AGPL-3.0，使用与分发时需遵守该许可证的条款。

项目自述中列出的已知限制与适用边界包括：

• 平台差异明显。Linux 版本为 beta，测试远少于 macOS 与 Windows；在 Linux 上尚不支持读取或操作其他应用、Ask About an Area、说话时圈选，以及 Wayland 下的 Cursor 尺寸。
• Wayland 限制。Ubuntu、Fedora、KDE 默认的 Wayland 不允许应用抢占按键或查看其他应用上的指针，因此快捷键需用户在桌面设置中自行绑定命令，例如 roamies --talk、roamies --summon、roamies --ask、roamies --list、roamies --panel。
• macOS 语音识别。macOS 26 之前的版本使用 Apple 较旧的语音识别器，需要开启 Siri 或听写。
• Windows 权限边界。它通过 UI Automation 读取其他应用，并用系统自带的文字识别在屏幕上找词，需要安装带文字识别功能的 Windows 语言包；它无法在以管理员身份运行的应用中输入或点击，执行真实点击、按键和滚动时会借用光标，完成后归还。Windows 还会把 Roamies 排除在所有屏幕捕获之外，因此它不会出现在截图或屏幕共享中。
• 语音费用。语音回应计入用户自己的 Fish Audio 或 Google AI Studio 账户，面板中会显示各语音模型的费用。
• Windows 与 Linux 的语音识别。使用 NVIDIA Parakeet TDT 0.6B v3（CC BY 4.0），采用 istupakov 的 ONNX 导出，通过 parakeet-rs 运行。
• 签名状态。Windows 安装包尚未代码签名，首次运行会有 SmartScreen 提示。

以上能力描述与限制均来自项目自述，实际表现需以用户自身环境为准。